借助用户查询引导目录丰富

Yupei Du; Jacek Golebiowski; Philipp Schmidt; Ziawasch Abedjan

借助用户查询引导目录丰富

信息检索 2024-06-12 v1 人工智能数据库

作者: Yupei Du , Jacek Golebiowski , Philipp Schmidt , Ziawasch Abedjan

摘要

知识图谱(KG)丰富技术日益重要于依赖演化产品目录的商业应用中。然而，由于潜在丰富候选对象的搜索空间巨大，KG完成(KGC)方法的预测在精度上存在低问题，使其对现实目录不可靠。此外，丰富的候选事实与用户的相关性有所不同。虽然为不完整的三元组进行正确预测是KGC方法的主要关注点，但何时应用这些预测的相关性被忽略了。以产品搜索为用例为灵感，我们从生成与目录相关的完成内容的角度出发，利用用户搜索行为和用户与产品属性的关联。本文提出了识别可丰富数据点的直觉方法，并使用通用KG展示性能优势。具体而言，我们从用户查询中提取实体-谓词对，这些对更可能正确且相关，并用于指导KGC方法的预测。我们在两个流行的百科全书KG上进行评估，包括DBPedia和YAGO 4。来自自动和人类评估的结果表明，查询引导显著改进了预测的正确性和相关性。

关键词

知识图谱丰富用户查询 KG完成 DBPedia

引用

@article{arxiv.2406.07098,
  title  = {Guiding Catalogue Enrichment with User Queries},
  author = {Yupei Du and Jacek Golebiowski and Philipp Schmidt and Ziawasch Abedjan},
  journal= {arXiv preprint arXiv:2406.07098},
  year   = {2024}
}

备注

ECML PKDD 2024

借助用户查询引导目录丰富

摘要

关键词

引用

备注

相关论文